- •Кафедра информатики и прикладной математики математика
- •Часть 2
- •Теория вероятностей и элементы математической статистики учебно - методический комплекс
- •Санкт-Петербург
- •Информация о дисциплине
- •1.1. Предисловие
- •Содержание дисциплины и виды учебной работы Объем дисциплины и виды учебной работы
- •Перечень видов практических занятий и контроля:
- •2. Рабочие учебные материалы
- •2.1. Рабочая программа (объем 150 часов) Введение
- •Раздел 1. Случайные события (50 часов)
- •Раздел 2. Случайные величины ( 60 часов)
- •Раздел 3. Элементы математической статистики (40 часов)
- •2.2. Тематический план занятий Тематический план дисциплины
- •Тематический план дисциплины для студентов очно-заочной формы обучения
- •Тематический план дисциплины для студентов заочной формы обучения
- •2.3. Структурно-логическая схема дисциплины Математика ч.2. Теория вероятностей и элементы математической статистики Теория
- •Раздел 1 Случайные события Раздел 3 Элементы математической Статистики
- •Раздел 2 Случайные величины
- •2.4. Временной график изучения дисциплины
- •2.5. Практический блок Практические занятия (очно-заочная форма обучения)
- •Практические занятия (заочная формы обучения)
- •Практические занятия (очная форма обучения)
- •Лабораторные работы (очно-заочная форма обучения)
- •Лабораторные работы (очная форма обучения)
- •Лабораторные работы (заочная форма обучения)
- •2.6. Бально-рейтинговая система
- •Информационные ресурсы дисциплины
- •Библиографический список Основной:
- •3.2. Опорный конспект по курсу “ Математика ч.2. Теория вероятностей и элементы математической статистики” введение
- •Раздел 1. Случайные события
- •1.1. Понятие случайного события
- •1.1.1. Сведения из теории множеств
- •1.1.2. Пространство элементарных событий
- •1.1.3. Классификация событий
- •1.1.4. Сумма и произведение событий
- •1.2. Вероятности случайных событий.
- •1.2.1. Относительная частота события, аксиомы теории вероятностей. Классическое определение вероятности
- •1.2.2. Геометрическое определение вероятности
- •Вычисление вероятности события через элементы комбинаторного анализа
- •1.2.4. Свойства вероятностей событий
- •1.2.5. Независимые события
- •1.2.6. Расчет вероятности безотказной работы прибора
- •Формулы для вычисления вероятности событий
- •1.3.1. Последовательность независимых испытаний (схема Бернулли)
- •1.3.2. Условная вероятность события
- •Вероятность произведения событий
- •1.3.4. Формула полной вероятности и формула Байеса
- •Раздел 2. Случайные величины
- •2.1. Описание случайных величин
- •2.1.1. Определение и способы задания случайной величины Одним из основных понятий теории вероятности является понятие случайной величины. Рассмотрим некоторые примеры случайных величин:
- •2.1.2. Дискретные случайные величины
- •Рассмотрим события Ai , содержащие все элементарные события , приводящие к значению XI:
- •Пусть pi обозначает вероятность события Ai :
- •2.1.3. Непрерывные случайные величины
- •2.1.4. Функция распределения и ее свойства
- •2.1.5. Плотность распределения вероятности и ее свойства
- •2.2. Числовые характеристики случайных величин
- •2.2.1. Математическое ожидание случайной величины
- •2.2.2. Дисперсия случайной величины
- •2.2.3. Нормальное распределение случайной величины
- •2.2.4. Биномиальное распределение
- •2.2.5. Распределение Пуассона
- •Раздел 3. Элементы математической статистики
- •3.1. Основные определения
- •Систематизация выборки
- •Гистограмма
- •3.3. Точечные оценки параметров распределения
- •Основные понятия
- •Точечные оценки математического ожидания и дисперсии
- •3.4. Интервальные- оценки
- •Понятие интервальной оценки
- •Построение интервальных оценок
- •Основные статистические распределения
- •Интервальные оценки математического ожидания нормального распределения
- •Интервальная оценка дисперсии нормального распределения
- •4. Методические указания к выполнению лабораторных работ
- •Выполнение лабораторных работ в ms Excel
- •Лабораторная работа 1 статистическое оценивание параметров распределения
- •Порядок выполнения лабораторной работы
- •Лабораторная работа 2 проверка гипотезы о законе распределения. Критерий пирсона
- •Понятие статистической гипотезы о виде распределения
- •Порядок выполнения лабораторной работы
- •Ячейка Значение Ячейка Значение
- •5. Методические указания к выполнению контрольной работы Задание на контрольную работу
- •Методические указания к выполнению контрольной работы События и их вероятности
- •Случайные величины
- •Среднее квадратическое отклонение
- •Элементы математической статистики
- •6. Блок контроля освоения дисциплины Репетиционные вопросы Тест № 1
- •Вопрос 10
- •Вопрос 14
- •Вопрос 15
- •Вопрос 16
- •Вопрос 17
- •Вопрос 18
- •Вопрос 19
- •Вопрос 20
- •Тест № 2
- •Вопрос 1
- •Вопрос 7
- •Вопросы для экзамена по курсу «Теория вероятностей и элементы математической статистики»
- •Глоссарий
- •Продолжение таблицы в
- •Окончание таблицы в
- •Равномерно распределенные случайные числа
- •Содержание
- •Раздел 1. Случайные события………………………………………. 18
- •Раздел 2 . Случайные величины ..………………………… ….. 42
- •Раздел 3. Элементы математической статистики ............... 65
- •4. Методические указания к выполнению лабораторных
- •5. Методические указания к выполнению контрольной
Перечень видов практических занятий и контроля:
- тест (общий по дисциплине);
- одна контрольная работа (для очно-заочной и заочной форм обучения);
- практические занятия – 4 часа (для очной и заочной форм обучения),
- 8 часов (для очно-заочной формы обучения);
-лабораторные работы – 20 часов (для очной формы), 12 часов (для очно-заочной) и 10 часов ( для заочной формы обучения);
- экзамен.
2. Рабочие учебные материалы
2.1. Рабочая программа (объем 150 часов) Введение
[1], с. 5; [2], с. 3-5
Теория вероятностей и математическая статистика – неразрывно связанные науки, изучающие закономерности случайных явлений. Математическая статистика – наука, которая разрабатывает методы обработки и анализа результатов наблюдений и опытов на основе теоретико-вероятностных понятий и методов для того, чтобы получить некоторые научные и практические выводы. Необходимость обрабатывать большие объемы опытных и статистических данных возникает в технике, экономике, медицине, финансах и т.д. Появляются задачи, для решения которых требуются вероятностно-статистические методы. К таким задачам можно отнести, например, задачи упорядочения результатов измерения, выборочного контроля качества, исследование надежности работы сложных систем.
Статистика достаточно древняя наука. Математической наукой она стала признана после того, как стала строиться на базе теории вероятностей. Одна из главных задач статистических методов заключается в выборе из множества вероятностных моделей такого варианта, который наилучшим образом соответствует имеющимся статистическим данным, подлежащим обработке. Предметом изучения в теории вероятностей и математической статистике служат случайные события или случайные величины, над которыми производятся многократные наблюдения, в результате чего делаются выводы и обобщения.
Раздел 1. Случайные события (50 часов)
Понятие случайного события (10 часов)
[1], с. 6…13
Пространство элементарных событий. Случайные события. Алгебра событий. Аксиомы вероятностей и следствия из них.
1.2. Вероятности случайных событий (10 часов)
[1], с. 14…22
Относительная частота события и свойства. Классическое определение вероятности. Геометрическое определение вероятности. Вероятность суммы событий.
1.3. Формулы для вычисления вероятности событий (30 часов).
[1], с. 23…31
Независимость событий. Проведение независимых испытаний по схеме Бернулли. Условная вероятность. Вероятность произведения событий. Формула полной вероятности. Формула Байеса.
Раздел 2. Случайные величины ( 60 часов)
2.1. Описание случайных величин (20 часов)
[1], с. 32…41
Определение случайной величины. Дискретные и непрерывные случайные величины. Ряд распределения и функция распределения случайной величины. Плотность вероятности случайной величины. Свойства функции распределения и плотности вероятности.
2.2. Числовые характеристики случайных величин (40 часов)
[1], с. 59…83
Вычисление математического ожидания и дисперсии дискретной и непрерывной случайных величин. Законы распределения: биномиальный, пуассоновский, закон равномерной плотности, нормальный закон распределения (закон Гаусса).